| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·研究背景 | 第9-11页 |
| ·国内外研究文献综述 | 第11-12页 |
| ·研究的意义 | 第12页 |
| ·本文的结构 | 第12-14页 |
| 2 数据挖掘技术的基本概念和方法 | 第14-24页 |
| ·数据挖掘概述 | 第14-15页 |
| ·数据挖掘功能和模式 | 第15-17页 |
| ·数据挖掘常用算法 | 第17-19页 |
| ·数据挖掘的主要工具 | 第19-22页 |
| ·SAS Enterprise Miner 简介 | 第19-20页 |
| ·WEKA 平台的介绍 | 第20-22页 |
| ·数据挖掘的应用方向 | 第22-23页 |
| ·数据挖掘在银行客户关系管理中的应用 | 第23-24页 |
| 3 商业银行客户流失预测模型的建立 | 第24-37页 |
| ·问题描述 | 第24页 |
| ·数据选择 | 第24-25页 |
| ·数据分析和预处理 | 第25-29页 |
| ·变量选择 | 第25-27页 |
| ·交叉表分析识别显著影响变量 | 第27-28页 |
| ·数据调整 | 第28-29页 |
| ·客户流失模型的建立 | 第29-34页 |
| ·建模方法（一）——Logistic 回归 | 第29-31页 |
| ·建模方法（二）——决策树 | 第31-34页 |
| ·模型的评估 | 第34-36页 |
| ·挖掘结果解释与应用 | 第36-37页 |
| 4 商业银行客户流失预测模型应用比较分析 | 第37-59页 |
| ·总体思路 | 第37-38页 |
| ·客户数据获取与导入 | 第38-39页 |
| ·数据获取 | 第38页 |
| ·数据导入 | 第38-39页 |
| ·数据预处理 | 第39-43页 |
| ·数据的分析 | 第39-40页 |
| ·交叉表分析识别显著影响变量 | 第40-41页 |
| ·数据调整 | 第41-43页 |
| ·商业银行客户流失模型的建立 | 第43-59页 |
| ·基于Weka 平台的决策树分析 | 第43-48页 |
| ·基于SAS Enterprise Miner 的logistic 回归分析 | 第48-52页 |
| ·模型的综合评价 | 第52-58页 |
| ·模型的应用 | 第58-59页 |
| 5 结论 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录 | 第64-66页 |
| A. 作者在攻读硕士学位期间发表论文及参加课题情况 | 第64-66页 |